参与过电影《2012》、《黑客帝国3》等好莱坞大片的视效指导姚骐今天公布了他用AI制作的科幻短片《归途》。
短片里，如同末日的世界里，巨大的异形生物追击驾驶汽车的人类、巨型蜘蛛爬在高楼等场景栩栩如生。姚骐评价“（效果）跟实拍差不多。”
他向第一财经等记者透露，整部短片用了40多个镜头，每个镜头生成3次，共计120个视频片段，其中包括18个10秒一体化的有声片段和102个五秒片段，最终花费约一周时间制作完成。
姚骐说，如果这部短片是一部纯实拍或者CG制作的片子，可能需要几百万的成本。在好莱坞做镜头，有些复杂的镜头仅一个就要几十万甚至上百万。此外，实拍还受限于场景实现难度、危险性以及演员、剧组成本，而AI技术的介入为创意实现提供了全新可能。
几百万实拍成本的短片，如果用AI生成，花费是多少？
姚骐AI短片的合作对象、百度商业体系商业研发总经理刘林告诉记者，该片使用百度蒸汽机音视频一体模型，整体成本约在330.6元人民币。
当然，AI生成的视频还不够完美。记者整体观看下来，例如短片生成的人类“AI味儿”浓，演技和人类演员相比显得生硬，人物的声画、口型不够同步等，还有改进的空间，但视频生成已经告别“默片”，多角色语音和环境音效上有了突破。
事实上，在视频生成大模型赛道，百度杀入的时间并不算早。2024年春节，OpenAI推出视频生成模型Sora，国内大模型纷纷研究视频生成并陆续跟进，但当时百度并未跟进快速推出类似产品。
在去年秋天的一场百度内部总监会上，百度董事长李彦宏还曾提到不会碰Sora类生成和视频，因为“10年、20年都可能难以商业化应用”。一位内部人士告诉记者，他在内部提到基于多模态的需求，可以做一些相对特定的视频生成场景。
转机来自市场需求的变化。百度副总裁、移动生态商业体系负责人陈一凡告诉第一财经，“去年年初行业就在卷视频生成模型，我们不是没看，但真正推动自研的，是商业体系收到的具体需求。”
2024年年底短剧投流市场爆发，传统的剪辑和AI生图已无法满足创意需求，有代理商和广告主向百度提出：“能不能用短剧内容做剪辑？”“科幻场景拍不出来，能生成吗？”移动生态商业体系调研后，在今年春节启动视频生成模型的自研，项目代号是“MuseSteamer”。
目前，百度视频生成模型上线50天，最大的用户来自百度内部，包括搜索业务、移动生态创作者等，其次是专业领域创作者，以及企业客户。
眼下视频生成赛道已足够卷。快手可灵AI的商业化加速推进，今日快手公布的2025年第二季度业绩显示，可灵AI的营业收入超过人民币2.5亿元。这个赛道还包括了字节、阿里、腾讯等巨头以及MiniMax、获百度投资的生数科技、爱诗科技等创业明星公司。
在技术上，各家厂商不断突破。Sora已不再是“期货”，谷歌5月推出的Veo3 模型在生成视频的同时能生成环境音和人物对话等，走出了此前视频生成的“无声时代”；百度最新版本的蒸汽机音视频一体化模型，做到了多人有声视频一体化生成。据介绍，技术难点在于如何把多个角色的动作、声音进行合适匹配。
对于视频生成行业而言，仍有不少痛点。比如目前视频生成时长仅能达到5到10秒，这本质上是由当前的技术架构决定的——当下主流架构以扩散模型为核心，在这种架构下，若要延长视频长度，成本会呈指数级增长，二者之间存在一个需要平衡的临界点。一位从业者对记者举例，若将视频时长从10秒延长到20秒甚至100秒，成本可能会增加100倍。在这样的技术架构下，追求过长的视频时长并不现实，也不符合实际应用需求。
入局较晚的百度，凭借多人有声视频和打出“对标行业七折”的价格标签，能在多大程度冲击视频生成市场，尚需创作者们的检验。一位百度人士提到，C端的想象空间是非常大的，前提是把模型做得足够好。
“我们欢迎（AI视频生成）卷起来，不卷不可能做好，大家互相启发彼此的上限在哪儿。”陈一凡认为，大家看重的是未来的空间，这个赛道还处在起始阶段。